MétaCan
Menu
Retour à la cohorte
Enregistrement W4389591199 · doi:10.1016/j.ejc.2023.103910

On the intersection density of the Kneser graph <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML" display="inline" id="d1e2044" altimg="si19.svg"> <mml:mrow> <mml:mi>K</mml:mi> <mml:mrow> <mml:mo>(</mml:mo> <mml:mi>n</mml:mi> <mml:mo>,</mml:mo> <mml:mn>3</mml:mn> <mml:mo>)</mml:mo> </mml:mrow> </mml:mrow> </mml:math>

2023· article· lv· W4389591199 sur OpenAlexafffund
Karen Meagher, Andriaherimanana Sarobidy Razafimahatratra

Notice bibliographique

RevueEuropean Journal of Combinatorics · 2023
Typearticle
Languelv
DomaineMathematics
ThématiqueLimits and Structures in Graph Theory
Établissements canadiensUniversity of Regina
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCombinatoricsMathematicsAutomorphismAutomorphism groupVertex (graph theory)GraphIntersection (aeronautics)Discrete mathematics

Résumé

récupéré en direct d'OpenAlex

A set F⊂Sym(V) is intersecting if any two of its elements agree on some element of V. Given a finite transitive permutation group G≤Sym(V), the intersection density ρ(G) is the maximum ratio |F||V||G| where F runs through all intersecting sets of G. The intersection density ρ(X) of a vertex-transitive graph X=(V,E) is equal to maxρ(G):G≤Aut(X),G transitive. In this paper, we study the intersection density of the Kneser graph K(n,3), for n≥7. The intersection density of K(n,3) is determined whenever its automorphism group contains PSL2(q), with some exceptional cases depending on the congruence of q. We also briefly consider the intersection density of K(n,2) for values of n where PSL2(q) is a subgroup of its automorphism group.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Science ouverte, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,003
Communication savante0,0020,002
Science ouverte0,0050,004
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0270,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,238
Écart entre enseignants0,218 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of CombinatoricsMême sujetLimits and Structures in Graph TheoryTravaux en français237 207